Deepak Kinger, διευθυντής στρατηγικής και συνιδρυτής της EvoluteIQ – Σειρά συνεντεύξεων

Ο Deepak Kinger, διευθυντής στρατηγικής και συνιδρυτής της EvoluteIQ, είναι έμπειρο στέλεχος στους τομείς της τεχνολογίας και των επιχειρήσεων, με περισσότερα από είκοσι χρόνια εμπειρίας στον μετασχηματισμό επιχειρήσεων, τις χρηματοοικονομικές υπηρεσίες, τον αυτοματισμό και την τεχνητή νοημοσύνη. Στην EvoluteIQ συμβάλλει στη διαμόρφωση της συνολικής στρατηγικής της εταιρείας, ενώ ηγείται των βασικών τεχνολογικών συμμαχιών, των συνεργασιών για λύσεις, του μάρκετινγκ και των σχέσεων με αναλυτές. Πριν συνιδρύσει την EvoluteIQ το 2019, ο Kinger κατείχε ανώτερες διοικητικές θέσεις στις GALE Partners, Virtusa, Sapient, Headstrong, Wipro και Mphasis, όπου οι αρμοδιότητές του εκτείνονταν από τη διαχείριση επιχειρηματικών δραστηριοτήτων χρηματοοικονομικών υπηρεσιών στην περιοχή Ασίας-Ειρηνικού και την παροχή συμβουλών σε ανώτατα διοικητικά στελέχη για τον ψηφιακό μετασχηματισμό έως τη δημιουργία νέων επιχειρηματικών τομέων και την ηγεσία έργων τεχνολογίας μεγάλης κλίμακας. Η εμπειρία του καλύπτει τη στρατηγική, την επιχειρηματική ανάπτυξη, τη διαχείριση σχέσεων με πελάτες, τη διαχείριση κερδών και ζημιών (P&L), τις λειτουργίες και τις αναδυόμενες τεχνολογίες, όπως η τεχνητή νοημοσύνη, η μηχανική μάθηση, η ρομποτική αυτοματοποίηση διαδικασιών, το blockchain και η επιστήμη δεδομένων.

Η EvoluteIQ είναι εταιρεία τεχνητής νοημοσύνης για επιχειρήσεις και έξυπνου αυτοματισμού, η οποία εστιάζει στην υποστήριξη οργανισμών ώστε να αυτοματοποιούν και να συντονίζουν σύνθετες επιχειρηματικές διαδικασίες από άκρο σε άκρο. Η πλατφόρμα EIQ συνδυάζει την πρακτορική και τη δημιουργική τεχνητή νοημοσύνη, την αυτοματοποίηση διαδικασιών και αποφάσεων, την έξυπνη RPA, την επεξεργασία συμβάντων, το data fabric, τα αναλυτικά στοιχεία, τους εταιρικούς συνδέσμους και την ανάπτυξη εφαρμογών πολλαπλών καναλιών, σε ένα περιβάλλον χαμηλού ή μηδενικού κώδικα. Η πλατφόρμα έχει σχεδιαστεί ώστε να επιτρέπει στις επιχειρήσεις να συνδέουν τα υπάρχοντα συστήματά τους, να δημιουργούν και να αναπτύσσουν πράκτορες τεχνητής νοημοσύνης και αυτοματοποιημένες ροές εργασιών, να παρακολουθούν τα αποτελέσματα και να επεκτείνουν τον αυτοματισμό σε τομείς όπως η εμπειρία πελατών, τα χρηματοοικονομικά, οι λειτουργίες, οι πωλήσεις και η διαχείριση της εφοδιαστικής αλυσίδας. Η EvoluteIQ, που ιδρύθηκε το 2019, έχει διευρύνει την εστίασή της στον πρακτορικό αυτοματισμό επιχειρήσεων μέσω τεχνολογιών όπως το AI Workbench και η αρχιτεκτονική Agentic Mesh, ενώ το 2025 ανακοίνωσε επένδυση ανάπτυξης ύψους 53 εκατομμυρίων δολαρίων για μειοψηφικό μερίδιο, με επικεφαλής την Baird Capital, με σκοπό να στηρίξει τη διεθνή επέκταση και να ενισχύσει περαιτέρω τις επενδύσεις στις δραστηριότητες έρευνας και ανάπτυξης στο Μπανγκαλόρ.

Πριν συνιδρύσετε την EvoluteIQ το 2019, εργαστήκατε επί δύο δεκαετίες στους τομείς των χρηματοοικονομικών υπηρεσιών, της εταιρικής τεχνολογίας και του ψηφιακού μετασχηματισμού. Ποια επαναλαμβανόμενα προβλήματα παρατηρήσατε σε μεγάλους οργανισμούς, τα οποία τελικά σας έπεισαν ότι υπήρχε ευκαιρία να δημιουργήσετε την EvoluteIQ, και τι θέλατε να προσεγγίσετε διαφορετικά;

Πριν από την EvoluteIQ, εργάστηκα 25 χρόνια στον χώρο των συμβουλευτικών υπηρεσιών, μεγάλο μέρος των οποίων αφιερώθηκε στη στήριξη μεγάλων χρηματοπιστωτικών ιδρυμάτων σε πρωτοβουλίες μετασχηματισμού. Σε αυτές περιλαμβάνονταν τα πρώτα προγράμματα ψηφιακής τραπεζικής, καθώς και ο τομέας των συναλλαγών, η διαχείριση κινδύνων και ευρύτερες πρωτοβουλίες μετασχηματισμού από άκρο σε άκρο. Με την πάροδο του χρόνου, είδα ότι η ζήτηση για αυτοματισμό αυξανόταν και βοηθούσαμε επιχειρήσεις να υλοποιήσουν πλατφόρμες από ορισμένους από τους μεγαλύτερους προμηθευτές.

Αυτό που τελικά μας ώθησε να ξεκινήσουμε την EvoluteIQ ήταν η ευκαιρία να περάσουμε από την υλοποίηση της τεχνολογίας κάποιου άλλου στη δημιουργία κάτι δικού μας. Διαπιστώσαμε ότι υπήρχε περιθώριο για μια πιο ολοκληρωμένη προσέγγιση στον αυτοματισμό, αντί να απαιτείται από τις επιχειρήσεις να συνδυάζουν πολλαπλές τεχνολογίες, άδειες χρήσης και επίπεδα διασύνδεσης. Αυτό αποτέλεσε μέρος του κινήτρου για την ίδρυση της EvoluteIQ το 2019.

Στην προηγούμενη συνέντευξή μας στο Unite.AI με τον συνιδρυτή σας Sameet Gupte, εκείνος μίλησε για το ευρύτερο όραμα της EvoluteIQ: να περάσουν οι επιχειρήσεις από τον αυτοματισμό βάσει επιμέρους εργασιών σε αυτόνομες λειτουργίες από άκρο σε άκρο, σχεδιασμένες εξαρχής γύρω από την τεχνητή νοημοσύνη. Με ποιον τρόπο η διαχείριση των κανονιστικών αλλαγών δείχνει γιατί είναι αναγκαία αυτή η μετάβαση από τον αυτοματισμό μεμονωμένων εργασιών στον συντονισμό ολόκληρων επιχειρηματικών διαδικασιών;

Οι κανονιστικές αλλαγές σπάνια επηρεάζουν μία μεμονωμένη εργασία. Το 2020, δημιουργήσαμε μια λύση για τη μετάβαση από το LIBOR. Οι τράπεζες αντιμετώπιζαν μια αλλαγή μεγάλης κλίμακας, η οποία επηρέαζε υφιστάμενες συμβάσεις και απαιτούσε από τις ομάδες λειτουργιών, τους παρανομικούς συμβούλους και τις επιχειρηματικές ομάδες να τις εξετάσουν και να τις διορθώσουν. Πολλά ιδρύματα ουσιαστικά αντιμετώπιζαν το πρόβλημα επιστρατεύοντας περισσότερο προσωπικό. Από την εμπειρία μας με το LIBOR, καταλάβαμε ότι ο συγκεκριμένος κανονισμός αλλάζει, αλλά η υποκείμενη πρόκληση επανέρχεται. Οι κανονιστικές αλλαγές και η συμμόρφωση αποτελούν διαρκείς λειτουργικές απαιτήσεις.

Με τις πιο πρόσφατες προτεινόμενες αλλαγές της FinCEN σχετικά με την καταπολέμηση της νομιμοποίησης εσόδων από παράνομες δραστηριότητες και την καταπολέμηση της χρηματοδότησης της τρομοκρατίας (AML/CFT), βλέπουμε να απομακρυνόμαστε από ένα μοντέλο συμμόρφωσης με αυστηρές προδιαγραφές, όπου αρκεί να «τσεκάρεις τα κουτάκια». Στην πραγματικότητα, αυτό ανεβάζει τον πήχη της συμμόρφωσης αντί να μειώνει την επιβάρυνση, επειδή τα ιδρύματα πρέπει να ερμηνεύουν τον κανονισμό, να προσδιορίζουν με σαφήνεια τους δικούς τους κινδύνους και να καθορίζουν τι σημαίνουν αυτοί οι κίνδυνοι για το λειτουργικό τους μοντέλο. Αυτή η αλλαγή επεκτείνεται αναπόφευκτα σε διαφορετικά τμήματα και λειτουργίες ενός οργανισμού, όχι μόνο στις ομάδες συμμόρφωσης και ελέγχου.

Έχετε υποστηρίξει ότι οι τράπεζες πρέπει να πάψουν να αντιμετωπίζουν κάθε σημαντική κανονιστική αλλαγή ως νέο έργο μετασχηματισμού και, αντί γι’ αυτό, να ενσωματώσουν τη διαχείριση των κανονιστικών αλλαγών στις μόνιμες λειτουργικές τους δυνατότητες. Πώς θα έμοιαζε στην πράξη ένα τέτοιο λειτουργικό μοντέλο και γιατί τα χρηματοπιστωτικά ιδρύματα δυσκολεύονταν ιστορικά να το δημιουργήσουν;

Το νέο λειτουργικό μοντέλο θα αναγνωρίζει ότι η αλλαγή είναι συνεχής· δεν πρόκειται πλέον για μια διαδικασία που πρέπει να τίθεται σε εφαρμογή ανά τρίμηνο ή όταν εμφανίζονται οι ελεγκτές. Η ανάπτυξη μιας λύσης για το LIBOR μάς έδειξε ότι, ακόμη κι αν κάποια κανονιστική αλλαγή εφαρμοστεί τελικά, η ανάγκη προσαρμογής δεν παύει να υπάρχει. Η κατανόηση της αλλαγής, η μετάφρασή της σε λειτουργικές απαιτήσεις και η επικαιροποίηση των διαδικασιών θα είναι απαραίτητες και για την επόμενη κανονιστική αλλαγή.

Το νέο λειτουργικό μοντέλο δεν πρέπει επίσης να περιορίζεται στη λειτουργία συμμόρφωσης. Σε ένα μοντέλο που βασίζεται περισσότερο στον κίνδυνο, η λειτουργία συμμόρφωσης μπορεί να εξακολουθεί να έχει την τελική ευθύνη για τη συμμόρφωση, αλλά αποκτούν μεγαλύτερη σημασία και οι λειτουργίες, η νομική υπηρεσία και, σε ορισμένες περιπτώσεις, η διαχείριση κινδύνου αντισυμβαλλομένων. Ένα λάθος που μπορεί να κάνουν οι οργανισμοί είναι να υποτιμήσουν το εύρος των επιπτώσεων που έχουν οι κανονιστικές αλλαγές σε ολόκληρο τον οργανισμό.

Ιστορικά, αυτό ήταν δύσκολο, επειδή οι επιχειρήσεις έχουν συσσωρεύσει κατακερματισμένα τεχνολογικά περιβάλλοντα και απομονωμένα λειτουργικά μοντέλα. Όταν διαφορετικές επιχειρηματικές μονάδες βασίζονται σε ξεχωριστές πλατφόρμες RPA, BPM, αναφορών και άλλες, η ανταπόκριση σε μια νέα απαίτηση μετατρέπεται από μόνη της σε έργο ενοποίησης.

Όταν θεσπίζεται ένας νέος κανονισμός, μια τράπεζα μπορεί να χρειαστεί να προσδιορίσει ποιους πελάτες, προϊόντα, συμβάσεις, συστήματα και διαδικασίες επηρεάζει. Σε ποια σημεία μπορεί η ΤΝ να βελτιώσει ουσιαστικά αυτή την ανάλυση επιπτώσεων και ποια μέρη της διαδικασίας εξακολουθούν να απαιτούν ντετερμινιστικούς κανόνες ή ανθρώπινη κρίση;

Η ΤΝ μπορεί να μειώσει σημαντικά τον όγκο της χειρωνακτικής εργασίας που απαιτείται για την κατανόηση και την εφαρμογή κανονιστικών αλλαγών. Ειδικότερα, μπορεί να βοηθήσει στην ανάλυση και την κατηγοριοποίηση μεγάλου όγκου πληροφοριών και να εντοπίσει πού πρέπει να επικεντρωθεί η ανθρώπινη προσοχή. Για παράδειγμα, οι δυνατότητες της EvoluteIQ για την ανταπόκριση στις κανονιστικές αλλαγές μπορούν να κατηγοριοποιούν και να ιεραρχούν συμβάσεις με βάση τον πελάτη και τον τύπο περιουσιακού στοιχείου, να συνδέουν αυτές τις πληροφορίες με εταιρικά συστήματα και εξωτερικές πηγές δεδομένων και, στη συνέχεια, να συντονίζουν τις επόμενες εργασίες στους τομείς της νομικής υπηρεσίας, της διαχείρισης κινδύνου και των λειτουργιών. Έτσι, οι οργανισμοί μπορούν να περάσουν από τον εντοπισμό όσων ενδέχεται να επηρεαστούν στην ουσιαστική διαχείριση των αλλαγών που προκύπτουν σε όλη τη διαδικασία.

Ο ανθρώπινος έλεγχος και η εποπτεία παραμένουν απαραίτητοι. Σε ορισμένα στάδια μιας ρυθμιζόμενης διαδικασίας, ένας οργανισμός χρειάζεται σαφώς καθορισμένους επιχειρησιακούς κανόνες, προϋποθέσεις, εξαιρέσεις και διαδρομές κλιμάκωσης. Το μοντέλο στο οποίο πιστεύουμε συνδυάζει την προσαρμοστικότητα της ΤΝ με ντετερμινιστικό αυτοματισμό και ανθρώπινη κρίση, όπου αυτό ενδείκνυται. Η ΤΝ μπορεί να βοηθήσει στην ερμηνεία και να αναδείξει όσα ενδέχεται να απαιτούν ενέργειες· οι ντετερμινιστικοί κανόνες μπορούν να καθορίζουν τον τρόπο εκτέλεσης συγκεκριμένων αποφάσεων· και οι εξαιρέσεις ή οι αποφάσεις που απαιτούν κρίση μπορούν να παραπέμπονται στο κατάλληλο πρόσωπο.

Η εφαρμογή κανονιστικών ρυθμίσεων αφορά συχνά τις ομάδες νομικών, συμμόρφωσης, διαχείρισης κινδύνου, λειτουργιών, δεδομένων και τεχνολογίας. Πώς μπορούν η ΤΝ και ο συντονισμός διαδικασιών να βοηθήσουν αυτές τις ομάδες να βασίζονται σε μια κοινή ερμηνεία ενός κανονισμού, αντί να δημιουργούν ξεχωριστές ροές εργασίας και δυνητικά αντικρουόμενους επιχειρησιακούς κανόνες;

Μία από τις σημαντικότερες συνέπειες ενός μοντέλου συμμόρφωσης που βασίζεται περισσότερο στον κίνδυνο είναι ότι η ευθύνη κατανέμεται ευρύτερα σε ολόκληρο τον οργανισμό. Η τελική λογοδοσία μπορεί να εξακολουθεί να ανήκει στη λειτουργία συμμόρφωσης, αλλά σημαντικό ρόλο έχουν επίσης οι ομάδες λειτουργιών, νομικής υπηρεσίας και διαχείρισης κινδύνου αντισυμβαλλομένων. Αυτό σημαίνει ότι οι οργανισμοί πρέπει να αποφεύγουν να αντιμετωπίζουν την εφαρμογή ως κάτι που μπορεί να διεκπεραιώσει μεμονωμένα η λειτουργία συμμόρφωσης.

Γι’ αυτό είναι καίριας σημασίας μια ολοκληρωμένη πλατφόρμα. Σε έναν μεγάλο οργανισμό, τα διαφορετικά συστήματα καταγραφής και οι επιχειρησιακοί κανόνες πρέπει να ενοποιηθούν στο νέο αυτό μοντέλο, λαμβάνοντας παράλληλα υπόψη τις πολυπλοκότητες της ασφάλειας. Μια ενιαία προσέγγιση μπορεί να μειώσει τον κίνδυνο διαφορετικά τμήματα του οργανισμού να εφαρμόζουν την ίδια αλλαγή μέσω εντελώς ξεχωριστών τεχνολογικών υποδομών.

Η παραγωγική ΤΝ μπορεί να ερμηνεύει σύνθετα κανονιστικά έγγραφα, αλλά οι τράπεζες δεν έχουν την πολυτέλεια να διακινδυνεύσουν ψευδαισθήσεις ή ασυνεπείς ερμηνείες όταν λαμβάνονται αποφάσεις συμμόρφωσης. Ποιες δικλίδες ασφαλείας πρέπει να ενσωματώνονται στα συστήματα ΤΝ που χρησιμοποιούνται για κανονιστικές αλλαγές και σε ποια σημεία πρέπει να συμμετέχουν στη διαδικασία λήψης αποφάσεων ανθρώπινοι ειδικοί;

Πρώτον, μην αναπτύσσετε πράκτορες ΤΝ μεμονωμένα, καθώς μπορεί να οδηγήσουν σε ανεξέλεγκτο πολλαπλασιασμό πρακτόρων χωρίς κατάλληλη διακυβέρνηση.

Δεύτερον, τα όσα μπορεί να αυτοματοποιήσει ένας οργανισμός δεν περιορίζονται μόνο από τις τεχνικές του δυνατότητες, αλλά και από τους κανονισμούς, την προστασία της ιδιωτικότητας και το ποια δεδομένα επιτρέπεται να κοινοποιούνται νομίμως.

Η βασική αρχή σχεδιασμού που πρέπει να τηρείται είναι ότι η ΤΝ οφείλει να επιταχύνει τις εργασίες ερμηνείας, χωρίς να αναλαμβάνει την ευθύνη της απόφασης. Η ευθύνη για τη συμμόρφωση παραμένει σε συγκεκριμένα, κατονομασμένα πρόσωπα, όπως αναμένουν οι ρυθμιστικές αρχές. Οι δικλίδες ασφαλείας χωρίζονται σε δύο κατηγορίες: ελέγχους για το περιεχόμενο που παράγει η ΤΝ και τη σκόπιμη πρόβλεψη σημείων στα οποία απαιτείται ανθρώπινη απόφαση. Κάθε αποτέλεσμα που παράγει η ΤΝ πρέπει να τεκμηριώνεται από έγκυρη πηγή, ενώ στο σύστημα ΤΝ πρέπει να έχουν ενσωματωθεί δικλίδες ασφαλείας τόσο για τις εισόδους όσο και για τις εξόδους.

Τέλος, για κάθε αποτέλεσμα πρέπει να τηρείται αρχείο ελέγχου με τις σχετικές πηγές και ρήτρες, τις εκδόσεις του μοντέλου και των προτροπών, τον βαθμό βεβαιότητας, τον αξιολογητή, την απόφαση και την αιτιολόγησή της.

Η δυνατότητα ελέγχου είναι ιδιαίτερα σημαντική στις χρηματοοικονομικές υπηρεσίες. Αν η ΤΝ συμβάλλει στην ερμηνεία ενός κανονισμού, στη δημιουργία επιχειρησιακών κανόνων, στον εντοπισμό των πελατών που επηρεάζονται και στην έναρξη ροών εργασίας, πώς μπορούν οι οργανισμοί να διατηρούν σαφή τεκμηρίωση που να δείχνει στις ρυθμιστικές αρχές ακριβώς πώς και γιατί λήφθηκε κάθε απόφαση;

Σε κλάδους που υπόκεινται σε αυστηρές ρυθμίσεις, η ιχνηλασιμότητα πρέπει να υπερβαίνει την απλή καταγραφή της τελικής απόφασης. Είναι πολύ πιο χρήσιμο να μπορεί να ανασυντεθεί η πορεία που οδήγησε σε αυτήν, καταγράφοντας τις πληροφορίες που χρησιμοποιήθηκαν, τους κανόνες που εφαρμόστηκαν, τις αποφάσεις που ελήφθησαν, τις αλλαγές που έγιναν σε όλη τη διάρκεια της διαδικασίας, καθώς και τα σημεία στα οποία παρενέβησαν άνθρωποι και όσα ενέκριναν.

Όταν αλληλεπιδρούν πολλοί πράκτορες, επιχειρηματικοί κανόνες και ροές εργασίας, η ιχνηλασιμότητα γίνεται ακόμη πιο σημαντική. Η δυνατότητα ελέγχου πρέπει να ενσωματώνεται στο επίπεδο ενορχήστρωσης. Τα ίχνη αποφάσεων μπορούν να καταγράφουν τις αποφάσεις, τις αλλαγές στους κανόνες και το σκεπτικό τους, ενώ η ιχνηλασιμότητα των πρακτόρων από άκρο σε άκρο προσφέρει ορατότητα σε όλη την αλυσίδα των αυτόνομων ενεργειών.

Αν μια ρυθμιστική αρχή ρωτήσει γιατί ένας συγκεκριμένος πελάτης, μια σύμβαση ή μια συναλλαγή αντιμετωπίστηκε με συγκεκριμένο τρόπο, το χρηματοπιστωτικό ίδρυμα θα πρέπει να μπορεί να ανατρέξει στα δεδομένα, τους κανόνες, τις αποφάσεις που βασίστηκαν στην ΤΝ, τις εγκρίσεις και τις ενέργειες που οδήγησαν σε αυτό το αποτέλεσμα. Έτσι, η επεξηγησιμότητα παύει να είναι ζήτημα που αφορά μόνο το μοντέλο και γίνεται επιχειρησιακή δυνατότητα.

Οι μεγάλες τράπεζες λειτουργούν επί δεκαετίες με παλαιές υποδομές, ενώ κρίσιμα δεδομένα πελατών και συναλλαγών είναι κατανεμημένα σε πολλά συστήματα. Πώς μπορούν να δημιουργήσουν ένα επαναχρησιμοποιήσιμο επίπεδο συμμόρφωσης με βάση την ΤΝ, χωρίς να επιχειρήσουν μια δαπανηρή αντικατάσταση της υποκείμενης τεχνολογικής υποδομής; 

Κάθε νέα επιχειρησιακή δυνατότητα πρέπει να λειτουργεί στο πλαίσιο της υφιστάμενης υποδομής. Δεν είναι λογικό να περιμένει κανείς κάτι διαφορετικό. Σημαντική είναι επίσης η ενοποίηση, καθώς οι πελάτες μάς λένε όλο και συχνότερα ότι διαθέτουν πολλαπλές πλατφόρμες RPA ή ένα παλαιό σύστημα BPM, καθώς και πολλές ξεχωριστές τεχνολογίες αναφορών σε όλη την επιχείρηση. Οι πελάτες μας εκφράζουν όλο και πιο έντονα την προτίμησή τους να επικεντρώνονται στα εργαλεία και τα συστήματα που αποφέρουν απόδοση επένδυσης (ROI), αντί να αναζητούν αντικαταστάσεις. Επομένως, ένα επαναχρησιμοποιήσιμο επίπεδο συμμόρφωσης πρέπει να λειτουργεί σε όλο το υφιστάμενο τεχνολογικό περιβάλλον και όχι να βασίζεται στην υπόθεση ότι θα αντικατασταθούν όλα τα υποκείμενα συστήματα.

Έχετε συνεργαστεί με χρηματοπιστωτικά ιδρύματα σε πολλές γενιές τεχνολογίας, από τα παραδοσιακά βασικά συστήματα έως τη ρομποτική αυτοματοποίηση διαδικασιών, τη μηχανική μάθηση και, πλέον, την τεχνητή νοημοσύνη με αυτόνομους πράκτορες. Τι είναι θεμελιωδώς διαφορετικό στη σημερινή μετάβαση στην ΤΝ και πού θεωρείτε ότι τα χρηματοπιστωτικά ιδρύματα κινδυνεύουν να επαναλάβουν λάθη από προηγούμενους κύκλους αυτοματοποίησης;

Οι προηγούμενες γενιές αυτοματοποίησης προορίζονταν για εργασίες που ήταν ήδη σαφώς καθορισμένες. Τα βασικά τραπεζικά συστήματα κωδικοποιούσαν αρχεία και συναλλαγές. Η RPA αυτοματοποιούσε την πληκτρολόγηση σε διάφορες οθόνες. Η μηχανική μάθηση παρήγαγε περιορισμένες προβλέψεις, όπως βαθμολογίες απάτης και πιστωτικού κινδύνου, με βάση δομημένα δεδομένα και μετρήσιμη ακρίβεια. Σε κάθε περίπτωση, ένας άνθρωπος ή ένας προκαθορισμένος κανόνας αποφάσιζε τι θα ακολουθούσε και η τεχνολογία εκτελούσε μια γνωστή πορεία.

Η τεχνητή νοημοσύνη με αυτόνομους πράκτορες αλλάζει τα δεδομένα με διάφορους τρόπους:

• Διαχειρίζεται αποτελεσματικότερα μη δομημένες εργασίες που απαιτούν κρίση. Οι τράπεζες δεν αυτοματοποιούν πλέον απλώς εργασίες. Αναθέτουν την επίτευξη αποτελεσμάτων και το σύστημα επιλέγει τη δική του πορεία.
• Τα σφάλματά της περνούν απαρατήρητα. Όταν μια τράπεζα άλλαζε τη διάταξη μιας οθόνης, ένα bot RPA χαλούσε εμφανώς και κάποιος το διόρθωνε. Ένα γλωσσικό μοντέλο που κάνει λάθος παράγει μια απάντηση με ευφράδεια, που μοιάζει εύλογη και διατυπώνεται με αυτοπεποίθηση. Αυτό είναι πρόβλημα.
• Η συμπεριφορά της είναι πιθανοκρατική, γι’ αυτό είναι εξαιρετικά σημαντικό να βασίζεται στο επιχειρησιακό πλαίσιο, ώστε να αποφεύγονται οι παραισθήσεις.
• Τέλος, η ανάπτυξη με τη χρήση ΤΝ έχει γίνει φθηνή και οι επιχειρησιακοί χρήστες μπορούν πλέον να δημιουργούν λειτουργικούς πράκτορες μέσα σε ένα απόγευμα. Παλαιότερα, η αυτοματοποίηση περιοριζόταν από τη διαθέσιμη δυναμικότητα του τμήματος πληροφορικής· τώρα, ο περιοριστικός παράγοντας είναι η δυνατότητα διακυβέρνησης.

Τα χρηματοπιστωτικά ιδρύματα θα πρέπει επίσης να φροντίσουν να μην ξεχαστούν τα διδάγματα από την εποχή της παραδοσιακής αυτοματοποίησης. Μερικά παραδείγματα είναι τα εξής:

• Αυτοματοποίηση προβληματικών διαδικασιών. Η μεγαλύτερη παρακαταθήκη της RPA ήταν χιλιάδες bot που προστέθηκαν πάνω σε διαδικασίες τις οποίες κανείς δεν είχε επανασχεδιάσει. Αυτό δημιούργησε εύθραυστο τεχνικό χρέος, για τη συντήρηση του οποίου οι τράπεζες εξακολουθούν να πληρώνουν. Η προσθήκη πρακτόρων στις ίδιες κατακερματισμένες ροές εργασίας επαναλαμβάνει το ίδιο λάθος, αλλά σε πιο εξελιγμένο επίπεδο. Οι τράπεζες θα πρέπει πρώτα να επανασχεδιάσουν την εργασία και μετά να αποφασίσουν τι θα αναθέσουν.
• Κυνήγι μετρικών ματαιοδοξίας: Τα πιλοτικά έργα μένουν στάσιμα αν δεν υπάρχει χρηματοδοτούμενο σχέδιο για την παραγωγική τους αξιοποίηση. Η καταμέτρηση των πρακτόρων που έχουν αναπτυχθεί επαναλαμβάνει τη συνήθεια της RPA να μετρά τα bot αντί να αξιολογεί τα πραγματικά επιχειρηματικά αποτελέσματα.
• Υποεπένδυση στις βάσεις δεδομένων. Η μηχανική μάθηση δίδαξε ότι η ποιότητα των μοντέλων περιορίζεται από την ποιότητα των δεδομένων. Οι πράκτορες που αντλούν πληροφορίες από παρωχημένες πολιτικές, διπλότυπα έγγραφα ή αντικρουόμενες πηγές θα συλλογίζονται με αυτοπεποίθηση, βασιζόμενοι σε εσφαλμένες παραδοχές.

Κοιτάζοντας προς το μέλλον, θεωρείτε ότι η κανονιστική συμμόρφωση θα εξελιχθεί προς μια μορφή συνεχούς ή ακόμη και μερικώς αυτόνομης συμμόρφωσης, όπου τα συστήματα ΤΝ εντοπίζουν κανονιστικές αλλαγές, αξιολογούν τον αντίκτυπό τους, επικαιροποιούν τις ροές εργασίας και κλιμακώνουν μόνο τις εξαιρέσεις που απαιτούν ανθρώπινη κρίση; Τι θα πρέπει να συμβεί προτού οι τράπεζες και οι ρυθμιστικές αρχές αισθανθούν άνετα με αυτόν τον βαθμό αυτονομίας;

Ναι, αλλά η αυτονομία θα έρθει σταδιακά. Ο εντοπισμός, η διαλογή, η χαρτογράφηση του αντίκτυπου και η επικαιροποίηση των ροών εργασίας για σαφώς καθορισμένες αλλαγές θα γίνουν σε μεγάλο βαθμό συνεχείς και αυτοματοποιημένες διαδικασίες. Η κρίση σε περιπτώσεις αμφίσημων κανόνων, η αποδοχή κινδύνων και οι θέσεις απέναντι στις ρυθμιστικές αρχές θα παραμείνουν υπόθεση των ανθρώπων. Ένα ρεαλιστικό τελικό στάδιο είναι η «εποπτευόμενη αυτονομία», όπου οι μηχανές εκτελούν τον κύκλο ως προεπιλογή και οι άνθρωποι παρεμβαίνουν κατ’ εξαίρεση.

Για να συμβεί αυτό, οι ρυθμιστικές αρχές πρέπει επίσης να δημοσιεύουν κανόνες σε δομημένες μορφές με διαχείριση εκδόσεων, αξιοποιώντας πρωτοβουλίες όπως το έργο της FCA και της Τράπεζας της Αγγλίας για την ψηφιακή υποβολή κανονιστικών αναφορών.

Θα χρειαστεί επίσης να υπάρχουν ενσωματωμένες στα συστήματα εκτέλεσης δυνατότητες αναστροφής και διακόπτες άμεσης απενεργοποίησης, ώστε οι αυτόνομες αλλαγές στις ροές εργασίας να μπορούν να αναιρούνται εύκολα όταν εντοπίζονται ανωμαλίες, αυξημένα ποσοστά σφαλμάτων ή αλλαγές στα μοντέλα. Η εμπιστοσύνη θα ενισχύεται ταχύτερα όταν οι επόπτες χρησιμοποιούν οι ίδιοι παρόμοια εργαλεία. Έτσι δημιουργείται μια κοινή γλώσσα για τις δοκιμές και, ενδεχομένως, με την πάροδο του χρόνου, για την άμεση εποπτεία από μηχανή σε μηχανή.

Σας ευχαριστούμε για την εξαιρετική συνέντευξη. Οι αναγνώστες που θέλουν να μάθουν περισσότερα μπορούν να επισκεφθούν την EvoluteIQ.